- 综合排序
- 最热优先
- 最新优先
- 来自专栏CRM197载体蛋白
TT、DT 与 CRM197 载体蛋白有什么区别？疫苗研发中的常见载体蛋白解析
其中常见的载体蛋白包括破伤风类毒素（TT）、白喉类毒素（DT）以及白喉毒素无毒突变体CRM197。这些载体蛋白能够与抗原偶联，从而增强免疫系统的识别能力，使免疫反应更加稳定和持久。 四、CRM197白喉毒素无毒突变体CRM197是一种来源于Diphtheriatoxin（白喉毒素）的单点突变体。由于关键氨基酸突变，该蛋白失去了毒性，但仍然保持天然蛋白结构。 五、TT、DT与CRM197的比较载体蛋白来源特点常见应用TT破伤风毒素类毒素免疫原性强多糖疫苗DT白喉毒素类毒素结构稳定结合疫苗CRM197白喉毒素突变体无毒突变体、可重组表达现代疫苗研究相比TT和DT 七、CRM197蛋白研究示意图1：CRM197白喉毒素突变体结构示意图2：CRM197载体蛋白在疫苗研究中的应用示意FAQCRM197是什么蛋白？ CRM197是一种来源于Diphtheriatoxin的无毒突变体，属于白喉毒素突变体蛋白，失去毒性但保持免疫原性。为什么CRM197常被用作载体蛋白？
14710编辑于 2026-03-12 - 来自专栏CRM197载体蛋白
白喉毒素无毒突变体在疫苗研发中的作用
其中，CRM197是一种被广泛应用的白喉毒素无毒突变体（Diphtheriatoxinmutant），在多糖结合疫苗以及免疫学研究中具有重要作用。 CRM197来源于白喉毒素（Diphtheriatoxin）的单点突变体。由于关键氨基酸发生突变，该蛋白失去了毒性，但仍然保持天然蛋白的结构特征，因此具有良好的CRM197免疫原性。 五、CRM197蛋白研究示意图1：CRM197白喉毒素无毒突变体结构示意图2：CRM197载体蛋白在疫苗研究中的应用FAQCRM197是什么蛋白？ CRM197是一种来源于白喉毒素（Diphtheriatoxin）的单点突变体，属于白喉毒素无毒突变体，失去毒性但保持免疫原性。CRM197为什么常被用作载体蛋白？ 总结CRM197是一种来源于Diphtheriatoxin的白喉毒素无毒突变体，由于其稳定结构和良好免疫原性，被广泛用作crm197carrierprotein。
14510编辑于 2026-03-12 - 来自专栏蛋白表达与生物实验技术
CRM197白喉毒素无毒突变体在疫苗与生物医药研究中的应用
其中，CRM197蛋白是一种广泛应用的白喉毒素无毒突变体（Diphtheriatoxinmutant），在多种疫苗和免疫学研究中具有重要作用。 CRM197来源于白喉毒素（Diphtheriatoxin,DT）的单点突变体，其第52位氨基酸由甘氨酸突变为谷氨酸，使其失去毒性，但仍然保持良好的结构稳定性和CRM197免疫原性。 一、CRM197白喉毒素突变体的技术背景白喉毒素是一种由Corynebacteriumdiphtheriae产生的蛋白毒素，在天然状态下具有较强的细胞毒性。 3.新型疫苗开发在现代疫苗研究中，CRM197常用于：多肽疫苗合成疫苗糖结合疫苗五、CRM197蛋白研究应用示意图1：CRM197白喉毒素突变体结构示意图2：CRM197载体蛋白在疫苗研究中的应用示意六 CRM197是一种来源于Diphtheriatoxin的单点突变体，属于白喉毒素无毒突变体，失去毒性但保持免疫原性。CRM197为什么常被用作载体蛋白？
11920编辑于 2026-03-12 - 来自专栏CRM197载体蛋白
CRM197载体蛋白在偶联疫苗研究中的作用
CRM197蛋白是一种来源于白喉毒素的无毒突变体，因其稳定结构和良好的免疫原性，被广泛应用于偶联疫苗研究。 CRM197属于白喉毒素（Diphtheriatoxin）的单点突变体，其第52位氨基酸发生突变，从而失去毒性，但仍保持完整的蛋白结构。这种白喉毒素无毒突变体在免疫学研究中具有重要价值。 五、CRM197研究应用示意图1：CRM197白喉毒素突变体结构示意图2：CRM197载体蛋白在疫苗研究中的应用示意FAQ什么是CRM197蛋白？ CRM197是一种来源于Diphtheriatoxin的单点突变体，属于白喉毒素无毒突变体，在保持蛋白结构的同时失去毒性。为什么CRM197常被用作载体蛋白？ 总结CRM197作为一种白喉毒素突变体（Diphtheriatoxinmutant），在疫苗研发和免疫学研究中具有重要价值。
13510编辑于 2026-03-12 - 来自专栏DrugOne
号外 | 王初课题组与陈鹏课题组合作开发AI辅助的蛋白质活体激活技术
我们挑选了若干已经报道过可以被PylRS或其突变体识别的类似酪氨酸的非天然氨基酸，用已有的上百个PylRS突变体库进行识别效力的全面表征，整理得到近1000对突变体与底物识别效力的实验数据。 我们以可以识别ONBY的突变体为起点，挑选了9个保守较低的易变位点，把每个位置突变成其它可能的19种氨基酸类型，共得到171种可能的单突变体。 用机器学习模型进行打分和排序，挑选排名前12的突变体进行实验验证，成功地验证出两个具有识别能力的突变体。 为了进一步挑战模型的边界，我们又合成了半胱氨酸类似的TCOC，直接采用前述单突变体库进行预测，没有验证出有效的突变体。 经过观察，我们发现TCOC的侧链结构与TCOK具有更大的相似性，于是重新选择可以识别TCOK的PylRS突变体作为起点，重新构造了171个单突变，这次在排名靠前的突变体中，再次成功验证出两个具有识别能力的突变体
30400编辑于 2025-07-17 - 来自专栏DrugOne
mLife | 人工智能破解酶稳定性定向进化中的多个突变位点高效重组问题
在肌酸酶的进化实例中，仅经过两轮设计，获得了50个具有卓越热稳定性的组合突变体，设计成功率达100%。经少量实验数据微调后的模型可以从数据集中有效捕捉组合突变体中的上位效应。 微调所使用的初始数据集包括来自肌酸酶的73个低阶突变体的序列-热稳定性和活性数据。然后使用微调后的模型来预测来自18个单点突变体的所有可能突变体的热稳定性和活性。 整个过程包括四个步骤：(1) 收集数据，(2) 蛋白质语言模型的微调，(3) 在组合序列空间中预测所有突变体，以及 (4) 验证所选突变体。红色虚线是第二轮模型微调。 两轮微调和预测过程仅用了两周时间，共设计50个组合突变体，实现了100%的热稳定性设计成功率（图2）。 图2.组合突变体的热稳定性和相对活性数据。黄色圆圈是指相对活性数据。 仅通过两轮设计，共表征50个组合突变体，稳定性设计成功率达到100%。与野生型相比，最佳突变体13M4的Tm提升了10.19℃，58℃半衰期增加655倍，同时催化活性保持不变。
63810编辑于 2025-01-10 - 来自专栏DrugOne
Science｜Arc Institute: 蛋白质语言模型与上位效应引导的快速定向进化
在所有测试的蛋白质中，与仅使用单突变体相比，在训练集中加入双突变体显著提高了预测性能，而加入三突变体则提供了额外的提升(图2E)。 此外，在双突变体上训练的模型能够很好地外推至包含8-12个突变的组合(图2F）。总之，该基准测试结果表明双突变体实现了数据高效的训练，并能对跨不同蛋白质家族的多突变体进行强力的外推。 在提名多突变体时，实验测试观察到最多包含七个突变的变体功能有所增强。 每个多突变体的活性都高于它们各自组成的双突变体组合，高出5.5至8.7倍，表明MULTI-evolve成功提出了具有改进协同效应的多突变体。 随后探究MULTI-evolve是否可用于在不含高功能增强性A134P突变的情况下，跨位点利用上位效应来产生协同多突变体。双突变体集合展示了从协同到拮抗的各种类型上位相互作用。
22210编辑于 2026-03-25 - 来自专栏DrugOne
Science | EVOLVEpro：结合蛋白质语言模型与少样本主动学习的高效 in silico 定向进化框架
为了了解每轮突变体数量对性能的影响，作者模拟了每轮10到100个突变体的EVOLVEpro进化。 主动学习大幅减少了所需的突变体总数：仅进行5轮进化（每轮16个突变体）的EVOLVEpro在性能上等同于预训练了160个突变体的EVOLVEpro，而10轮进化（每轮16个突变体）的EVOLVEpro则等同于预训练了 500个突变体。 作者使用高效进化算法获得了10个突变体，用于与EVOLVEpro进行基准对比，发现EVOLVEpro提名的突变体比野生型高35倍，而高效进化算法的最佳突变体仅高8倍。 作者还要求模型基于前四轮的单突变数据对多突变体进行排序，并进行了一个多突变体测试轮。在第五轮的多突变体中，作者使用重链T70A/S92V突变体提高了结合和表达。
1.8K10编辑于 2024-12-23 - 来自专栏智药邦
JCIM｜分子动力学模拟助力发现耐药抑制剂
如图2所示，这些突变体与抑制剂的结合模式与野生型相似，氢键和疏水相互作用是主要的结合方式。 进一步的结合能分析（如图3所示）显示，E166V突变体中残基166的能量贡献增加，这表明该位点在突变体与抑制剂结合中起重要作用。 实验结果表明，NMI-003在体外对SARS-CoV-2的E166V突变体和L50F +E166V突变体具有较好的抑制活性（如图5，6所示），且优于nirmatrelvir。 作者进一步深入研究了NMI-003的抗耐药机制，通过分子动力学模拟分析了NMI-003与Mpro E166V和L50F+E166V突变体的复合物，（如下图 7 所示）发现NMI-003能与突变体的结合口袋很好地匹配 鉴定出六个可能对至少一种突变体有效的化合物，并采购了五个化合物进行体外实验。
52810编辑于 2025-01-02 - 来自专栏HyperAI超神经
无实验数据指导蛋白质定向进化，上海交大洪亮课题组发表微环境感知图神经网络 ProtLGN
蛋白质工程需要从数以万计的候选突变体中筛选出最优突变体，其中的有利突变是指那些能够改善蛋白质某一或多个生物化学属性的遗传变异，增强蛋白质的稳定性、亲和力、选择性或催化效率，使其更适合特定的应用。 在 10 个突变体中，有 5 个展现出比野生型 (WT) 更高的荧光强度，其中表现最佳的突变体荧光强度达到了 WT 的 2 倍。 抗体及其单点突变体的熔点温度 有 3 个突变体在结合亲和力和热稳定性两方面都表现优异，这证实了 PROTLGN 在指导 VHH 抗体突变设计中的有效性，尤其是在提高抗体的性能方面。 PROTLGN 设计的 KmAgo 突变体及实验结果 * 左上：KmAgo 蛋白的结构 * 右上：不同数量突变位点的 KmAgo 突变体的最佳活性。 * 最佳突变体：最佳的突变体是一个 7 位点突变体，其活性比 WT 高出 8 倍。 * 高阶突变体的优势：无论是在最大活性提升还是平均提升方面，高阶突变体往往比低阶突变体展现出更高的活性。
54410编辑于 2024-06-04 - 来自专栏智药邦
Nat Methods｜清华大学药学院张数一团队提出蛋白质序列-功能空间压缩概念
其中，突变体系来源EvolvR系统中enCas9-PolIM5复合蛋白，通过构建其诱导表达体系来创建靶向分区域突变质粒（TP）。 -配体相互作用的靶向进化，证明该系统可以对gRNA覆盖的上下游约30bp的区域进行靶向进化并得到功能提升的突变体。 在本研究中EvoAI利用AmeR蛋白82个突变体的序列-功能映射信息对模型加以训练，并生成了不同于上述突变体的共1093个新蛋白，通过对于预测强度的排序，研究人员测试了预测强度最高的10个突变体，并将其与仅利用传统 DMS方法预测得到的10个具备相同突变数量的，强度最高的10个突变体进行强度对比，结果显示，通过EvoAI预测得到的突变体均有显著的功能提升，而DMS方法得到的突变体多数均无显著功能提升，甚至某些突变体不再具备明显的抑制功能 首先，它实现了序列空间的广泛，均匀且精确的采样，这可以快速探索高维并生成更多样化和功能性的突变体，并提供有关序列-功能映射的更丰富信息。
39310编辑于 2024-11-21 - 来自专栏DrugOne
ECNet：学习进化信息指导蛋白质工程
各个机器学习方法预测与DMS结果的spearman系数 从低阶突变体迈向高阶突变体 对于指导定向进化来说，能够预测高阶突变体（>=2）的意义更大。但是DMS实验数据中更多的是单突变体。 因此作者尝试了用单突变体数据训练ECNet，用高阶突变体的fitness数据检验模型的能力。 左：随机突变体与阳性突变体预测fitness的分布右：三种算法预测的双突变联合影响的准确性 TEM-1 β-lactamase的突变实验验证 最后，作者使用了TEM-1 β-lactamase实验验证了
1.4K20发布于 2021-10-21 - 来自专栏DrugOne
Adv. Sci.｜蛋白质语言模型辅助定向进化2,3-丁二醇脱氢酶实现手性环状α-羟基酮的合成
同时获得了多个催化活性显著提升的突变体，对25种不同底物的催化活性均有提高。分子动力学模拟与非天然氨基酸引入成功揭示了突变体选择性提高和反转的分子机制。 成功获得了对trans-CHD具有专一性的突变体LTF和对cis-CHD具有专一性的突变体10M，实现了立体选择性的反转及调控。 图3 迭代饱和突变改造BsBDH 图4 高催化活性突变体的底物谱测定 4、全细胞催化转化混合型1,2-环己二醇 将BsNOX和BsBDH或选择性突变体（10M和LTF）共转化，构建辅酶再生的全细胞催化体系 图5 全细胞催化合成手性2-羟基环己酮 5、分子动力学模拟揭示突变体性能提升机制 该研究通过分子动力学模拟，深入解析了突变体6M2、10M及LTF的结构与功能关系。 通过模拟发现，热稳定突变体6M2通过形成新的氢键网络与疏水相互作用，显著提升了结构刚性。
13320编辑于 2026-03-02 - 来自专栏DrugOne
Nat. Biomed. Eng. | 通过深度学习从抗体序列预测抗原特异性优化治疗性抗体
本文中作者展示优化的抗体突变体可以从大量不同的抗体序列空间中经由深度学习预测抗原特异性来识别。 ? 为了产生可以用于训练深层神经网络的数据，作者利用CRISPR–Cas9介导的同源性定向修复引入定点突变，对在哺乳动物细胞系中表达的治疗性抗体trastuzumab（曲妥珠单抗）的文库（~万个突变体）进行了深度测序 接着作者使用训练好的神经网络来筛选一个上亿个突变体的trastuzumab变体的计算库，并预测HER2特异性的子集（~百万），然后可以通过其粘度、清除率、溶解度和免疫原性进行过滤，以产生数千个高度优化的候选突变体 而从未筛选文库中随机选择的30个变异体进行重组表达和实验测试，结果显示所有30个突变体也都保持对HER2的特异性。 本文作者展示了深度学习促进抗体工程和优化的强大能力。
1.1K11发布于 2021-04-30 - 来自专栏DrugOne
Nat. Biomed. Eng.| 深度学习优化治疗抗体
在传统方法中，治疗性抗体的优化是时间和资源密集型的，这主要是因为对在哺乳动物细胞中表达的全长抗体（~1000突变体）的低通量筛选中，通常很少得到优化前体。 本文使用了深度学习方法，从大量不同的抗体序列空间中学习，通过预测抗原特异性来优化抗体的突变体。 ? 为了产生训练数据，作者测序了治疗抗体曲妥珠单抗（trastuzumab，一种抗肿瘤药物，~10000突变体)的深度序列库，并筛选了这些库对人类表皮生长因子受体2（HER2）的特异性。 然后，使用训练过的神经网络来筛选曲妥珠变异体的文库（~1亿突变体），并预测HER2特异性子集（~100万突变体），过滤其粘度、间隙、溶解度和免疫原性后，以产生数千个高度优化的优化前体。
1K20发布于 2021-05-24 - 来自专栏智药邦
mLife｜华东师范大学张鲁嘉团队：高效的酶智能设计平台NAC4ED
在对40个突变体的验证测试中,该平台展现出92.5%的预测准确率，计算预测结果与实验结果高度一致。使用NAC4ED自动确定单个酶突变体所需的时间仅为实验方法的1/764。 基于此生成新的酶突变体，针对突变体的构象优化模块利用分子动力学进行快速的侧链优化反应，准确描述酶构象变化对底物结合状态的影响（图3B）。 通过设计好的近攻击构象结构参数来确定底物与酶突变体的结合状态，从不同构象中选取接近过渡态中间体的复合态作为设计的出发点，可以准确表征酶突变体与底物反应状态之间的相互作用。 然后突变以产生各种突变体，这些突变体也经过结构优化。(B) 突变前后蛋白质的结构变化。(C) 进行分子对接模拟，以模拟蛋白质突变体与底物的相互作用。如果对接结果符合NAC的标准，则该过程进入MD模拟。 通过模拟，分析突变体随时间变化的活性构象比，并计算其催化效率。
1.7K20编辑于 2025-01-07 - 来自专栏智能生信
Nat. Methods. | 高效数据优化Low-N蛋白质筛选工程
作者认为，将UniRep在功能蛋白方面的全局知识与仅几十个功能上具有特征的目标蛋白突变体相结合，可能就足以构建一种蛋白质适应性景观的高质量模型。 对野生型（WT）靶蛋白的Low-N个随机突变体进行功能表征，以训练一个使用eUniRep表示作为输入的简单监督顶层模型(图1.c)。 图2.b显示了24个和96个训练突变体的Low-N工程结果。 图3. eUniRep仅使用单个突变体作为训练数据对TEM-1β-内酰胺酶进行Low-N改造。 其次，在这些信息的“最上方”，使用少量Low-N突变体进行监督学习，然后提取出发现优于自然变异所需要的关键信息。 ?
1K10发布于 2021-06-24 - 来自专栏DrugOne
Nat. Mach. Intell. | 蛋白质语言模型也能预测热稳定性？滑铁卢大学团队亲测！
通过帮助优先选择有潜力的突变体进行实验表征，突变体稳定性预测的计算方法能够显著节省成本和时间。这些方法主要集中在预测突变体相对于野生型的稳定性，而不是绝对稳定性测量，如熔点温度。 突变体稳定性预测工具的局限性主要反映了数据的稀缺性：当前最大的单一突变体直接稳定性测量数据库之一（FireProtDB）中，仅包含约230种蛋白的几千个独特突变体的实验数据，通常每种蛋白的表征突变体少于 本文中，作者展示了PSLMs作为补充突变体稳定性预测的有前景工具，特别是在稳定性工程的应用中。 Rosetta在扩展数据图1中对其已见过的蛋白突变体排序更为精准，这是数据泄漏的证据。 值得注意的是，大多数稳定性模型的训练数据要么包含这些数据集中的突变体，要么来自具有显著同源性的蛋白质突变体。然而，本节的重点在于零样本预测带来的增强效果，因此，预期这些性能改进具有广泛的通用性。
55410编辑于 2024-11-23 - 来自专栏生命科学
小胶质细胞仅仅是神经系统内的“配角”？| MedChemExpress
目前小胶质细胞耗竭模型主要包括：CSF1R 缺陷小鼠模型；CD11b-HSVTK 转基因小鼠模型，人类白喉毒素受体 (DTR) 转基因小鼠 (CX3CR1creER xDTRff) 模型，以及 CSF1R 白喉毒素受体 (DTR) 转基因小鼠模型依赖于白喉毒素的给药，不仅会诱发细胞因子风暴，且小胶质清除维持时间较短。
83710编辑于 2023-02-23 - 来自专栏文献分享及代码学习
文献精读单细胞-一个超保守的位点调控地上根及地下根的形态建成
突变体萌发正常，可育，枝条形态正常。 [图片.png] 前人研究在淹水条件下，可以诱导SBR的产生。 [Müller B,2010.png] 因此将SBR突变体置于淹水条件下，也不能产生SBR。 ，lbd29突变体在这些根的数量上有更显著的减少，表明这些同源基因功能的保守性。 这些突变体和sbrl突变体都表现出侧根数量的轻微但显著的减少，拟南芥中同源基因的突变体也是如此。 [图片.png] 发现所有sbrl bsbrl双突变体都完全缺乏SBR，侧根数量显著减少，而枝条未受影响，切断双突变体的下胚轴仍能产生创伤诱导的根，对这些创伤诱导的下胚轴根在sbrl突变体中的时间序列表达分析表明 三个突变体的下胚轴切割后均不能形成伤根，只有愈伤组织样细胞在切割部位有明显的增殖。此外，发现单sbrl和双sbrl bsbrl突变体在土壤中生长时仍能发育出相当大的分枝根系。
1.3K30编辑于 2022-05-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号